在工业智能化进入深水区、大模型重塑各行各业的背景下，工业智能体正在从辅助提效向生产控制的深层进化。作为一家国内工业SaaS厂商，蘑菇物联率先开启了All in AI战略转型，创始人兼CEO沈国辉正带领公司经历一场从提供软件到提供能源托管的范式变革。沈国辉拥有深厚的离散型制造管理经验，自2016年切入工业AIoT赛道至今，持续推动“工业真AI”在能源管控领域的落地实践。本次访谈，爱分析与沈国辉深度探讨了未来智慧工厂形态、AI如何赋能公辅车间场景、工业软件厂商未来出路等话题。
从提供软件到提供能源托管的模式升级爱分析：蘑菇物联提出“All in AI”之后，技术产品、商业模式上会发生哪些变化？沈国辉：首先说技术产品。当前大家更多是用AI去做报表、生成文档，这个本来就是大模型擅长的，C端已经普及。工业场景最敏感的是控制，其次是配方，这两点是我们核心关注的场景。我们从2020年开始做AI控制，用AI参与车间控制，包括空压站、制冷站、锅炉房、水泵房等，这些车间产生的不是直接产品。以汽车厂为例，直接产品是汽车，但生产过程离不开压缩空气、冷冻水、蒸汽和循环水。这些车间统称为公辅能源车间，是公共辅助的供能车间。我们从2020年开始使用马尔科夫过程、LSTM等强化学习、深度学习的专用小模型来做控制。小模型的优势在于精确、快速，擅长全局寻优。但小模型知识面有限，泛化能力不足，遇到新客户、新站房时，工程师需要到现场手动调整初始化参数，无法实现自适应。大模型能力进化后，我们可以用大模型替代工程师完成参数初始化。例如，马尔科夫过程中的惩罚因子，针对不同站房需要微调，这个工作可以由大模型完成。有了大模型的加持，我们可以将大小模型结合来实现对公辅能源车间的控制。大模型负责诊断、自适应、模型泛化和参数设定，小模型负责实时计算、快速响应、全局寻优和求最优解。这个结合后的产品叫云智控。第二个是商业模式。AI有两个进步：一是AI成为劳动者，二是AI通过好的skills可以极大化地消除幻觉。基于大小模型结合带来的无人值守能力，可以对空压站、制冷站、水泵房、锅炉房进行托管。蘑菇物联在AI时代的商业模式重点就是能源托管。能源托管是指，原来甲方自己建设、持有、运营的能源站房，现在设备外包给乙方投资、建设和运营。甲方不需要投入资金，不需要支付电费，不需要派人管理，按实际用能付费。甲方愿意设备外包的原因在于，我们管理更专业、能源成本控制更低，既能帮甲方省钱，蘑菇物联也能获得收益。中国企业通常不愿意为软件付费，因为软件成本看不见，客户更愿意为看得见的硬件或人力服务付费。软件研发投入几个亿，客户可能认为这些成本与自己无关，或者认为研发成本被夸大。我们的商业模式从卖软件、卖解决方案转变为卖能源托管。能够卖能源托管的前提是实现无人值守，从而降低运营成本。能源托管收益的本质，是节能收益加无人值守收益。节能依靠AI全局寻优算法，无人值守依靠大小模型结合，用AI替代现场人员。节能和无人值守都来自AI云智控这个产品，有了这个产品提供的价值，才能实现能源托管这一商业模式。爱分析：蘑菇物联组织形态上会发生什么变化？沈国辉：我们组织形态会变成一家从轻资产到重资产的运营公司。能源托管收益的本质来自两点：省电和省人。省电来自于AI算法的全局寻优，省人来自于AI替代人工，实现无人值守。组织形态上，会朝着重资产运营的模式发展。这意味着我需要加强财务管理、风险控制、资本运营的人员，算IRR，把资金变成一个供应链，可能要找多家融资租赁公司来保障我可以运营更多的能源站房。内部管理上，该用AI做的事情绝对不用人做。因为重资产运营要求及时响应，客户按分钟计时罚款，只有AI才能做到实时提供服务，随时在线，而人需要睡觉。这就是组织形态的变化。从一个软件公司变成一个资产运营公司。我不一定持有资产，但不管资产是否由蘑菇物联持有，我们都得运营这些资产。爱分析：按刚才讲的商业模式和未来演进，“灵知AI Agent平台”是怎么考虑的？沈国辉：我们发这个平台有两个原因。第一个原因是我自己也要用这个平台，要在一个平台上实时控制空压站、制冷站、循环水、锅炉房，不同的对象、不同的能源站房在一个平台上智能控制。第二个原因，我们有上百家中外500强和头部企业客户，他们也想有一个平台，能够自己做一些工厂里面差异化的能源站房智能控制。有各种各样零零碎碎的、个性化的、跟这些能源站房强相关的场景，甲方企业们也希望在一个平台上能够把它给搭出来。Agent平台作为一种使用大模型加小模型的载体，我认为它是不会消失的。Agent平台不光是使用大模型的一个平台，它也是调用像马尔科夫过程、随机森林、傅里叶变换这种小模型的一个平台，是一个综合使用这些模型的底座。同时它也是我的技术产品的一个底座，是AI云智控系统的底座。我是靠AI云智控系统来实现节能，靠云智控来实现无人值守，最终做能源托管给客户提供的价值，也是靠AI云智控系统来提供的。
夜雨聆风
